numpy.histogram_bin_edges#
- numpy.histogram_bin_edges(a, bins=10, range=None, weights=None)[source]#
用于仅计算
histogram函数使用的直方图箱边缘的函数。- 参数:
- aarray_like
输入数据。直方图是在扁平化数组上计算的。
- binsint 或标量序列或 str，可选
如果 bins 是一个 int，它定义了给定范围内的等宽箱的数量（默认值为 10）。如果 bins 是一个序列，它定义了箱边缘，包括最右边的边缘，允许非均匀的箱宽度。
如果 bins 是以下列表中的一个字符串，
histogram_bin_edges将使用所选方法从落在请求范围内的数据中计算最优箱宽度，从而计算箱数（有关估计器的更多详细信息，请参阅“注释”部分）。虽然箱宽度将是落在范围内的实际数据的最佳值，但箱数将被计算为填充整个范围，包括包含空数据的部分。对于可视化，建议使用 'auto' 选项。加权数据不支持自动箱大小选择。- ‘auto’
'sturges' 和 'fd' 估计器之间的最小箱宽度。提供良好的全方位性能。
- ‘fd’（弗里德曼-迪亚科尼斯估计器）
鲁棒（对异常值具有弹性）估计器，它考虑了数据可变性和数据大小。
- ‘doane’
Sturges 估计器的改进版本，在非正态数据集上表现更好。
- ‘scott’
不太鲁棒的估计器，它考虑了数据可变性和数据大小。
- ‘stone’
基于留一法交叉验证估计的积分平方误差的估计器。可以看作是斯科特规则的推广。
- ‘rice’
估计器不考虑可变性，只考虑数据大小。通常会高估所需的箱数。
- ‘sturges’
R 的默认方法，只考虑数据大小。仅对高斯数据最优，并且对大型非高斯数据集会低估箱数。
- ‘sqrt’
平方根（数据大小）估计器，由 Excel 和其他程序因其速度和简单性而使用。
- range(float, float)，可选
箱的上下限范围。如果不提供，则范围为
(a.min(), a.max())。范围之外的值将被忽略。范围的第一个元素必须小于或等于第二个元素。 range 也会影响自动箱计算。虽然箱宽度是根据 range 内的实际数据计算的最佳值，但箱数将填充整个范围，包括不包含数据的部分。- weightsarray_like，可选
权重数组，形状与 a 相同。 a 中的每个值只对箱计数贡献其关联的权重（而不是 1）。目前这没有被任何箱估计器使用，但在将来可能会使用。
- 返回:
- bin_edgesdtype 为 float 的数组
要传递到
histogram的边缘
另请参阅
注释
估计最优箱数的方法在文献中得到了很好的证明，并且受到 R 为直方图可视化提供的选择启发。请注意，使箱数与 \(n^{1/3}\) 成比例是渐近最优的，这就是它出现在大多数估计器中的原因。这些只是提供箱数良好起点的插入方法。在下面的等式中，\(h\) 是箱宽度，\(n_h\) 是箱数。所有计算箱数的估计器都使用数据的
ptp重新转换为箱宽度。最终箱数从np.round(np.ceil(range / h))获得。最终箱宽度通常小于下面的估计器返回的值。- ‘auto’（'sturges' 和 'fd' 估计器的最小箱宽度）
获得良好值的折衷方案。对于小型数据集，通常会选择 Sturges 值，而大型数据集通常会默认使用 FD。避免了 FD 和 Sturges 在小型和大型数据集上过于保守的行为。切换点通常为 \(a.size \approx 1000\).
- ‘fd’（弗里德曼-迪亚科尼斯估计器）
- \[h = 2 \frac{IQR}{n^{1/3}}\]
箱宽度与四分位距 (IQR) 成比例，与 a.size 的立方根成反比。对于小型数据集可能过于保守，但对于大型数据集来说相当不错。IQR 对异常值非常鲁棒。
- ‘scott’
- \[h = \sigma \sqrt[3]{\frac{24 \sqrt{\pi}}{n}}\]
箱宽度与数据的标准差成比例，与
x.size的立方根成反比。对于小型数据集可能过于保守，但对于大型数据集来说相当不错。标准差对异常值不太鲁棒。在没有异常值的情况下，值与 Freedman-Diaconis 估计器非常相似。 - ‘rice’
- \[n_h = 2n^{1/3}\]
箱数仅与
a.size的立方根成比例。它往往会高估箱数，并且不考虑数据可变性。 - ‘sturges’
- \[n_h = \log _{2}(n) + 1\]
箱数是
a.size的以 2 为底的对数。这个估计器假设数据的正态性，并且对于大型非正态数据集过于保守。这是 R 的hist方法中的默认方法。 - ‘doane’
- \[ \begin{align}\begin{aligned}n_h = 1 + \log_{2}(n) + \log_{2}\left(1 + \frac{|g_1|}{\sigma_{g_1}}\right)\\g_1 = mean\left[\left(\frac{x - \mu}{\sigma}\right)^3\right]\\\sigma_{g_1} = \sqrt{\frac{6(n - 2)}{(n + 1)(n + 3)}}\end{aligned}\end{align} \]
Sturges 公式的改进版本，为非正态数据集产生更好的估计。这个估计器尝试考虑数据的偏度。
- ‘sqrt’
- \[n_h = \sqrt n\]
最简单、最快的估计器。只考虑数据大小。
此外，如果数据是整数类型，则箱宽度永远不会小于 1。
示例
>>> import numpy as np >>> arr = np.array([0, 0, 0, 1, 2, 3, 3, 4, 5]) >>> np.histogram_bin_edges(arr, bins='auto', range=(0, 1)) array([0. , 0.25, 0.5 , 0.75, 1. ]) >>> np.histogram_bin_edges(arr, bins=2) array([0. , 2.5, 5. ])
为了与直方图保持一致，一组预先计算的箱将被直接传递。
>>> np.histogram_bin_edges(arr, [1, 2]) array([1, 2])
这个函数允许计算一组箱，并在多个直方图中重复使用。
>>> shared_bins = np.histogram_bin_edges(arr, bins='auto') >>> shared_bins array([0., 1., 2., 3., 4., 5.])
>>> group_id = np.array([0, 1, 1, 0, 1, 1, 0, 1, 1]) >>> hist_0, _ = np.histogram(arr[group_id == 0], bins=shared_bins) >>> hist_1, _ = np.histogram(arr[group_id == 1], bins=shared_bins)
>>> hist_0; hist_1 array([1, 1, 0, 1, 0]) array([2, 0, 1, 1, 2])
这比为每个直方图使用单独的箱更容易比较结果。
>>> hist_0, bins_0 = np.histogram(arr[group_id == 0], bins='auto') >>> hist_1, bins_1 = np.histogram(arr[group_id == 1], bins='auto') >>> hist_0; hist_1 array([1, 1, 1]) array([2, 1, 1, 2]) >>> bins_0; bins_1 array([0., 1., 2., 3.]) array([0. , 1.25, 2.5 , 3.75, 5. ])